开发人工智能辅助的腰部和大腿骨骨度估计系统,使用前后腰部X射线图像

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 骨质疏松症研究 骨质疏松症研究

背景情况:

• 骨质疏松症和脆弱性骨折给公共卫生带来了重大挑战.
• 早期检测和干预对于治疗骨质疏松症至关重要.
• 当前的诊断方法在可访问性和广泛应用方面可能存在局限性.

研究的目的:

• 开发和评估一个人工智能辅助的诊断系统,用于估计骨矿物质密度 (BMD) 和从腰部X射线图像分类骨质疏松症.
• 评估系统在估计腰部和大腿骨骨硬度方面的表现.
• 使用人工智能对X射线数据的分析来确定骨质疏松症分类的准确性.

主要方法:

• 开发一个深度神经网络 (人工神经网络),以双能X射线吸收度 (DXA) 获得的BMD值进行训练.
• 利用基于人口的队列 (1454名参与者) 的前后腰部X射线图像.
• 使用五倍交叉验证来评估AI估计的BMD和骨质疏松症分类的准确性.

主要成果:

• 人工智能系统在估计骨质量方面表现出很高的准确性,腰椎的平均绝对误差为0.076g/cm2,大腿骨的平均误差为0.071g/cm2.
• 骨质疏松症分类的敏感度为86.4% (腰部) 和80.4% (股骨),特异性为84.1% (腰部) 和76.3% (股骨).
• 人工智能系统成功估计了BMD,并在临床和一般人群中分类了骨质疏松症类别.

结论:

• 人工智能辅助诊断系统为使用标准腰部X射线进行非侵入性骨质疏松症评估提供了一个有前途的工具.
• 该系统估计骨质量和分类骨质疏松症的能力对早期检测和骨折预防具有重大临床影响.
• 这项技术可以广泛应用,将诊断能力扩展到传统临床环境之外的普通人群.